基于顯著封閉邊界曲線(xiàn)的圖像檢索的中期報(bào)告

基于顯著封閉邊界曲線(xiàn)的圖像檢索的中期報(bào)告一、問(wèn)題描述：本文主要是基于顯著封閉邊界曲線(xiàn)（Saliency-basedClosedBoundaryCurveSCBC）的方法，用于解決圖像檢索問(wèn)題。圖像檢索是指通過(guò)匹配圖像內(nèi)容的相似性來(lái)檢索相似的圖像。問(wèn)題點(diǎn)：1.SCBC的定義及提取方法；2.基于SCBC的圖像檢索方法；3.實(shí)現(xiàn)過(guò)程中遇到的問(wèn)題及解決方案。二、解決方案：1.SCBC的定義及提取方法SCBC是一種表征圖像全局特征的方法，它用一條封閉曲線(xiàn)來(lái)描述圖像的顯著區(qū)域。提取SCBC的方法主要分為以下幾步：（1）計(jì)算圖像中每個(gè)像素的顯著性值?？梢允褂靡恍┈F(xiàn)成的顯著性檢測(cè)算法來(lái)計(jì)算。（2）將圖像分割為多個(gè)超像素。超像素是在保持圖像內(nèi)部結(jié)構(gòu)相似性的同時(shí)，將圖像分成多個(gè)區(qū)域的方法。（3）對(duì)每個(gè)超像素進(jìn)行聚類(lèi)，通過(guò)判斷每個(gè)超像素的顯著性值是否大于全局顯著性平均值來(lái)進(jìn)行分類(lèi)。（4）對(duì)于同一聚類(lèi)中的超像素，用最小路徑算法（MinimumPath）連接它們，從而得到SCBC。2.基于SCBC的圖像檢索方法基于SCBC的圖像檢索主要分為以下幾步：（1）對(duì)查詢(xún)圖像提取SCBC。（2）在圖像庫(kù)中提取每個(gè)圖像的SCBC。（3）將查詢(xún)圖像的SCBC與庫(kù)中每個(gè)圖像的SCBC進(jìn)行匹配，計(jì)算它們的相似度。（4）根據(jù)相似度排序，返回相似度最高的前N個(gè)圖像作為檢索結(jié)果。3.實(shí)現(xiàn)過(guò)程中遇到的問(wèn)題及解決方案問(wèn)題一：SCBC的提取較為復(fù)雜，容易受到圖像內(nèi)部結(jié)構(gòu)、背景復(fù)雜度等因素的影響，導(dǎo)致提取性能并不理想。解決方案：可以考慮使用一些現(xiàn)成的SCBC提取工具，如OpenCV等來(lái)提高SCBC提取的準(zhǔn)確性。問(wèn)題二：在計(jì)算相似度時(shí)，如果庫(kù)中圖像較多，計(jì)算量會(huì)很大，從而影響圖像檢索速度。解決方案：可以采用一些加速算法，如HOG（HistogramofOrientedGradients）、SIFT（Scale-InvariantFeatureTransform）等，來(lái)降低計(jì)算量。三、進(jìn)展情況：1.已完成相應(yīng)論文的閱讀和理解；2.已根據(jù)論文提供的SCBC提取方法，在MATLAB中實(shí)現(xiàn)了SCBC的提?。?.正在進(jìn)行基于SCBC的圖像檢索方法的實(shí)現(xiàn)。四、參考文獻(xiàn)：1.ShenJ,YangC,ChenY,etal.Saliency-basedclosedboundarycurveforimageretrieval[J].JournalofVisualCommunication&ImageRepresentation,2019,63:102537.2.AchantaR,ShajiA,SmithK,etal.SLICsuperpixelscomparedtostate-of-the-artsuperpixelmethods[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2012,34(11):2274-2281.3.DalalN,TriggsB.Histogramsoforientedgradientsforhumandetection[C]//2005IEEEComputerSocietyConference